bp神经网络问题解答！

输入第一个样本，得到输入层和隐含层之间的权值，隐含层与输出层之间的权值。根据误差反向改变两组权值，当误差为允许范围之内结束。问题：当输入第二个样本，进行一系列权值的改变之后，那些权值为什么对第一个样本照样满足？

在逆向传导误差去修改权值时，你第一个样本的输出结果和期望输出都会参与到这个误差中去传递给每一个神经元的权值和阈值（你漏掉这个了，它也是在被修改的），所以你第二个样本进入时实际上的权值和阈值是根据第一个样本来修改的，而你输入的第一个样本时候用的权值和阈值是你给的权值和阈值的初值（若你用的封装的newff函数，则是系统自己给设置的初值）。

神经网络可以用作分类、聚类、预测等。我感觉，你的问题属于分类问题。 神经网络需要有一定量的历史数据，通过历史数据的训练，网络可以学习到数据中隐含的知识。 在你的问题中，首先要找到某些问题的一些特征，以及对应的评价数据，用这些数据来训练神经网络。